Introduction à l’apprentissage statistique avec Python

• "Introduction to Statistical Learning" est un ouvrage généraliste et peu technique qui traite des principaux thèmes de l’apprentissage statistique.
• Ce livre convient à toute personne souhaitant utiliser des outils modernes pour l’analyse de données.
• La première édition, accompagnée d’applications utilisant R, a été publiée en 2013, et la deuxième édition est parue en 2021.
• Ce livre a été traduit dans de nombreuses langues, notamment en chinois, italien, japonais, coréen, mongol, russe et vietnamien.
• La version Python du livre, intitulée "ISLP", a été publiée en 2023.
• Chaque chapitre du livre comprend un laboratoire expliquant les concepts à l’aide de R ou de Python.
• Les chapitres couvrent divers sujets, notamment la régression, la classification, les méthodes de rééchantillonnage, la sélection de modèles linéaires et la régularisation, les méthodes fondées sur les arbres, les machines à vecteurs de support, le deep learning, l’analyse de survie, l’apprentissage non supervisé et les tests multiples.
• Le livre est coécrit par Gareth James, John H. Harland Dean, Daniela Witten, Trevor Hastie et Rob Tibshirani, et Jonathan Taylor a rejoint l’équipe pour la version Python.
• Le livre peut être acheté en version imprimée et numérique, et le fichier PDF peut être téléchargé gratuitement.

[GN⁺]

Avis sur Hacker News

• Le fort taux de recommandations dans les commentaires pour ce livre semble montrer que beaucoup de personnes très intéressées par l’IA ne comprennent pas en profondeur les concepts de base.
• Ce livre est une mise à jour en Python d’un texte populaire initialement écrit en R, et il est vivement recommandé pour apprendre les aspects théoriques du machine learning classique.
• Il est possible de télécharger légalement l’intégralité du livre au format PDF.
• Ce livre est considéré comme l’un des meilleurs manuels d’introduction aux méthodes classiques du machine learning, destiné aux étudiants ayant des bases en statistiques, en algèbre linéaire et en programmation.
• Certains utilisateurs préfèrent d’autres manuels, comme ceux de Bishop ou Murphy, pour apprendre le machine learning.
• Une série YouTube correspondant à une version précédente du livre est disponible et peut être regardée sans le livre, offrant des éclairages supplémentaires.
• La version Python de ce livre est une bonne nouvelle pour celles et ceux qui ne connaissent pas R et ne maîtrisent que Python. C’est un excellent premier livre pour eux.